文件名称:PyDataSeattle:对于西雅图PyData的熊猫教程
文件大小:38.28MB
文件格式:ZIP
更新时间:2024-05-15 21:14:12
JupyterNotebook
熊猫.head()到.tail() 我应该参加吗? 我的目标水平是介于新手和中级之间。 希望您熟悉IPython笔记本,并且听说过熊猫。 如果没有,请不要担心。 前两个笔记本(约20分钟)适用于可能对NumPy和熊猫完全陌生的人。 如果您更有经验,那么演讲的前30-40分钟可能会适合您。 之后,我们将讨论一些更高级的主题。 设置 首先克隆此存储库 git clone https://github.com/tomaugspurger/pydataseattle cd pydataseattle brew install git用在Mac上brew install git 如果失败,请尝试使用 。 最好在本教程开始之前进行git pull 。 环境 确保您位于pydataseattle文件夹中。 随着conda: conda update --all conda env creat
【文件预览】:
PyDataSeattle-master
----project()
--------settings.py(47B)
--------parse_matches.py(597B)
--------scrape_match_ids.py(2KB)
--------run.py(75B)
--------to_mongo.py(1KB)
----notebooks()
--------5. Tidy Data.ipynb(219KB)
--------3. Indexing.ipynb(3.46MB)
--------6. For Stats & ML.ipynb(248KB)
--------subset.png(1.2MB)
--------1. Basics.ipynb(119KB)
--------2. Operations.ipynb(210KB)
--------dataframe.png(69KB)
--------cutoffs.png(1.25MB)
--------beer_subset_similarity.csv.gz(3.63MB)
--------solutions_operations.py(77B)
--------4. Groupby.ipynb(556KB)
--------data()
--------solutions_tidy.py(521B)
--------solutions_groupby.py(907B)
--------solutions_indexing.py(648B)
----requirements.txt(904B)
----environment.yml(775B)
----check_environment.py(580B)
----README.md(2KB)
----cps()
--------interesting.json(6KB)
--------align.py(5KB)
--------downloader.py(3KB)
--------extract.py(5KB)
----slides.pdf(141KB)
----.gitignore(82B)